一种改进的Alstom气化炉预测控制

一种改进的Alstom气化炉预测控制杨小龙 ,等一~种改进的Alstom气化炉预测控制Improved Predictive Control for Alstom Gasifier杨小龙'张正刚2了维明'(东南大学能源与环境学院' ,江苏南京210000;苏州紫兴纸业有限公司”,江苏苏州215011)摘要:Alstom 能源技术中心给出了气化炉在全工况下的Matlab非线性模型。为了解决Alstom 气化炉非线性、强耦合以及大惯性特点所带来的控制问题,设计了一种模型预测控制器。首先在局部工况点建立离线线性模型,在所建模型基础上设计控制器,应用灰色理论GM(1,1)在误差校正环节预测未来时刻由于模型不匹配产生的误差,以此来提高控制器输出的精度。仿真结果表明,在压力扰动测试中,即使各控制量受到严格的约束,各输出量的偏差仍能维持在规定的范围内,满足了Alsom 气化炉的控制要求。关键词: Alstom 气化炉非线性系统 离线建模 模型预测控制 灰 色预测误差校正中图分类号: TP32文献标志码: AAbstract: Alstom Energy Technology Center has given the Matlab nonlinear model for gasifier under full operating condition. In order to solvethe control problem caused by the non-linearity , tight coupling and large inertia of the gasifier from Alstom, the model predictive contoller hasbeen designed. Firstly, the off line linear model is set up under some of the local operating conditions, then on the basis of the modelestablished, the controller is designed. By adopting grey theory GM(1,1), in the eror correction stage, the eror that generated due to modelmismatch in future is predicted, thus the accuracy of controller output is enhanced. The simulation results indicate that in pressure disturbancetests, even control variables are given strict constraints, the deviation of each variable still keeps within a predetermnined range ; this satisfies thecontrol requirements for Alstom gasifier.Keywords: Alstom gasifier Non-linear system Ofline modeling Model predictive control Grey theory prediction error correction性系统的全局控制。同时,通过引人灰色预测理论来0引言预测未来时刻的误差范围,能够在扰动条件下使响应整体煤气化联合循环( integrated gasification更加迅速、超调更小。combinedeycle,IGCC)作为--种高效清洁利用煤炭的1建模过程以及描述过程方式正8益受到重视,已经成为国内外研究的热点"Alstom能源技术中心基于英国一座联合循环示范电站Alstom气化炉模型是基于一台87 MW喷流床气中的增压喷流床气化炉，建立了该气化炉在全工况范化炉的实时运行数据建立的,因此具有很高的精度。围内的模型,并发布了气化炉控制的基准问题,列出了如图1所示是Alstom气化炉简要工作流程。一系列基准测试项目及其系统控制约束条件。煤气热值模型预测控制( model predictive control , MPC)由法”吸入口压力国Adersa公司的Richalet 于1978年提出，能够用于处→煤气压力→煤气温度理常规PID控制很难处理的问题[27。模型预测控制是煤炭及石灰石床料量基于线性模型建立起来的,因此在非线性系统中并不水蒸气总是有效,因为非线性系统很难建立--个偏差较小的压缩空气渣线性模型,虽然有时可以用神经网络进行建模,但是数图1 Alstom 气化炉的生产流程简图据的庞大使得控制变得不可实现。因此,这里考虑在Fig. 1 Simplfed diagram of the production process各个负荷点建立局部线性模型,基于各个典型工况下of Alstom Gasifier设计的预测控制器的控制量的叠加，以此来实现非线在该气化炉生产过程中,经过处理的煤粉与吸附国家863基金资助项目(编号:2006AA05114-2).气和水萃气运送,喷修改稿收到日期:2014-02-14。第一作者杨小龙(1989-),男,现为东南大学动力工程及工程热物理人气化炉内。在中国煤化工1体进行流专业在读硕士研究生;主要从事:热工自动控制方向的研究。化,同时与煤中的| YHl CNMHG为4.5M《自动化仪表》第35卷第12期2014 年12月63- -种改进的Alstom气化炉预测控制杨小龙 ,等的低热值煤气。煤气经净化后进人燃气轮机,余下的力(P.)。对于气化炉而言,外界的扰动主要是工况灰分、石灰以及未完全反应的碳以灰渣的形式从底部的变化,因此,将下游燃气轮机的人口压力波动P..作排出。可以分析得出,气化炉是一个5输人4输出的为主要的扰动量(B]1。系统,由于吸附剂和煤成一定比例,因此可以简化成-Alstom建立的示范IGCC电站动态机理模型经过个4输人4输出的强非线性和强耦合的多变量系统。了实际数据的严格校验,具有较高的准确度。Alstom控制量为进口空气流量(Q)、进口蒸汽流量(..)、在公开动态机理模型的基础 上,给出了检验控制系统煤粉流量(Q.)以及排渣量(Qa);被控量为床料质的各种基准测试、输人约束以及控制目标等,如表1量(M)、煤气热值(CV].)、煤气温度(T. )以及煤气压所示4。表1输出与输入量约束条件Tab. 1 Simplified diagram of the production process of Alstom gasifier输出变量允许最大动态偏差输 人变量最大值/(kg.s7)允许最大变化率/(kg.s2)Crgpo煤气热值+0.01 MJ/kgQo排渣量3.5+0.2M床料质量+500 kg空气流量20.+1.0煤气压力+10 kPa煤流量.10.0煤气温度+1K .Qxm蒸汽流量6.0环境下的气化炉模型加入如图2(a) ~图2(b)所示的伪2控制器的设计随机扰动(即系统的输入量) ,得到如图2(e) ~图2(h)由于模型预测控制器是基于模型建立起来的，因此所示的系统开环响应曲线。这里随机扰动输人不超过在预测控制器设计之前必须先建立气化炉局部线性化稳态输人的5%,使用子空间辨识即可得到离散状态空模型。文献[5]给出了子空间辨识模型的方法,在间模型。100%典型工况下稳定工作运行状态,对Alstom Simulink激励与响应曲线如图2所示。-1.2.w.w.wwWwWWWW. 音4.36m30.8100 200、300 400500! 4.34100 200.300 400 50(田)排渣量激励(e)煤气热值响应x101.000110000100 200 300 400 500099991000 300 400 500(b)空气量激励床料量响应.0x10100 200 300 400 50(e)给煤量激励(g) 煤气压力响应3.1221.527 100 200300400 5001221.0(d)蒸汽量激励(h)煤气温度响应图2激励与响应曲线Fig.2 The excitation and reponse curves假设某- -工况下,气化炉的动态特性可以用下列y(h(1)离散状态空间表示1:由于在辨识中国煤化工D为零矩x(k+1)=Ax(h) +Bu(k)阵,因此状态空间| YHCNMH G)4PROCESS AUTOMATION INSTRUMENTATION VoL. 35 No. 12 December 2014一种改进的Alstom气化炉预测控制 杨小龙,等x(h+1)= Ax(k) +Bu(k)Y;)+QU"QAU,其中W为参考轨迹, W=[r" (h+1)y(k)= Cx(k)+e(h)(2)r" (h+2) .... r"(h:+P)]。 其中R Q分别为输出权重式中:h为第h个采样周期;x∈R°;u∈R* ,y∈R'为相对与控制增量的权重矩阵。不考虑约束,可以令=0,于初始状态的偏移量;e(k)为对象与模型之间的输出偏差;AB、C分别为系统的状态矩阵、输人矩阵和输出得到:矩阵。{AU=(P" RP+Q)-'p"R(W-f)系统初始状态下认为x(0)= 0,u(0)= 0,y(0)=0。Au(k)=[1,1,1,1 ,0,0,]0U(10)对于e(h)而言,在k时刻认为e(k)=y, (h)-Cx(h),并(u(k)=u(k-1)+Ou(k)且有e(0)=0, e(h+i)=e(k)。由表1和表2可知,气化炉的控制要受各种约束以离散状态空间模型为预测模型,预测系统未来条件的限制,因此无约束情况下得到的控制输人量往的多步输出,假设没有扰动存在,有:往不能满足实际的控制需求。j(h+1)= CAr(h) +CBu(k)(3)根据基准测试要求,有以下输人速率约束与输人同时为了求出当前的控制增量,可以把u(k)写成幅值受限。这是一个QP问题,可以通过积极集法来u(k)= u(h-1)+Qu(h) ,从而可以得到:求解”。j(k+1)= CAx(k) +CBu(k-1)+s QumaxCBAu(k)+d(k+1)(4)(11)依次迭代可以得到:umin≤u≤umy(k+j)= CA'x(k)+[ $CA-B]u(h-1)+3灰色预测误差校正器设计[ SCA-B]